지도 학습의 가장 큰 문제가 트레이닝 데이터의 레이블링 비용이라면, 데이터가 레이블링되지 않는 비지도 학습의 가장 큰 문제는 제대로 작동하지 않는 경우가 많다는 점이다. 그러나 비지도 학습에도 적합한 용도가 있다. 비지도 학습은 데이터 집합의 차원을 축소하고 데이터의 패턴과 구조를 탐색하고 비슷한 개체 그룹을 찾고 데이터에서 이상점과 노이즈를 찾는 데 효과적인 경우가 있다.
일반적으로 연구를 위한 데이터 분석에서 패턴과 군집을 찾고 데이터의 차원을 축소하고 잠복 특징을 발견하고 이상점을 제거하기 위해 비지도 학습 방법을 시도할 가치는 충분하다. 그런 다음 목표와 데이터에 따라 지도 학습으로 전환해서 계속 연구를 진행하거나 사전 학습된 모델을 사용해서 예측을 수행하면 된다.
비지도 학습이란?
인간 어린이가 학습하는 방법을 생각하면 된다. 부모나 교사가 어린이에게 개와 고양이를 알아보는 방법을 가르치기 위해 모든 품종의 개와 고양이를 보여줄 필요는 없다. 어린이는 많은 설명 없이 몇 개의 예시만으로 학습하고 스스로 일반화할 수 있다. 물론 치와와를 처음 보는 아이는 고양이라고 착각할 수도 있지만 그 정도는 비교적 신속하게 교정할 수 있다.어린이는 자신이 보는 사물을 직관적으로 그룹으로 분류한다. 비지도 학습의 목표 중 하나는 기본적으로 컴퓨터가 이와 같은 능력을 개발하도록 하는 데 있다. 딥마인드(DeepMind)의 알렉스 그레이브스와 켈리 클랜시는 “비지도 학습: 호기심 많은 아이”라는 블로그 글에서 다음과 같이 썼다.
비지도 학습은 주어진 특정 작업 없이 관찰 대상 데이터를 학습하는 데 대해 에이전트(컴퓨터 프로그램)에 보상을 제공함으로써 자율 지능을 생성하도록 설계된 페러다임이다. 즉, 에이전트는 학습을 위해 학습한다.
학습을 위해 학습하는 에이전트는 복잡한 그림을 이분법적 결정(예를 들어 개나 고양이)으로 축소하는 시스템에 비해 잠재력이 훨씬 더 크다. 로렌스 버클리 연구소의 연구진이 수백만 개의 재료과학 초록을 대상으로 텍스트 처리 알고리즘(Word2vec)을 실행해 새로운 열전재료의 발견을 예측함으로써 시연한 바와 같이, 사전 정의된 작업을 수행하는 대신 패턴을 파악하면 놀랍고 유용한 결과를 얻을 수 있다.
군집화 방법
군집화(clustering) 문제는 모델에 비슷한 데이터 포인트 그룹을 찾도록 요구하는 비지도 학습 문제다. 현재 여러 가지 군집화 알고리즘이 사용되는데, 알고리즘마다 특상이 조금씩 다르다. 일반적으로 군집화 알고리즘은 척도 또는 데이터 포인트의 특징 벡터 사이의 거리 함수를 살펴본 다음 서로 “가까운” 데이터 포인트를 그룹으로 묶는다. 군집화 알고리즘은 클래스가 겹치지 않을 때 가장 효과적으로 작동한다
계층적 군집화
계층적 군집화 분석(HCA)은 응집적이거나(개별 포인트부터 시작해서 상향식으로 군집을 만들어 최종적으로 단일 군집 생성) 분열적일 수 있다(단일 군집으로 시작해서 개별 포인트가 될 때까지 군집을 분열). 운이 좋다면 유의미한 분류를 반영하는 군집화 프로세스의 중간 단계를 찾을 수 있다.
군집화 프로세스는 일반적으로 덴드로그램(트리 다이어그램)으로 표시된다. HCA 알고리즘에는 대체로 많은 계산 시간[O(n3)]과 메모리[O(n2)] 리소스가 필요하다. 이는 비교적 작은 데이터 집합에 이 알고리즘을 적용하기 어려운 제약 요소다.
HCA 알고리즘은 다양한 척도와 연결 기준을 사용할 수 있다. 유클리드 거리와 유클리드 제곱거리는 모두 수치 데이터에서 일반적이다. 해밍 거리와 레벤슈타인 거리는 비수치 데이터에 일반적이다. 단일 연결과 완전 연결은 일반적이며, 두 가지 모두 군집화 알고리즘을 간소화할 수 있다(각각 SLINK와 CLINK). SLINK는 최적의 솔루션 발견을 보장하는 소수 군집화 알고리즘 가운데 하나다.
k-평균 군집화
k-평균 군집화 문제는 각 군집 내의 변동(제곱합) 최소화를 목표로 유클리드 거리 척도를 사용해서 n개의 관측을 k개의 군집으로 나눈다. 벡터 양자화의 한 방법이며 특징 학습에 유용하다.
로이드의 알고리즘(센트로이드 업데이트를 사용하는 반복적 군집 집합체)은 문제를 해결하는 데 가장 일반적으로 사용되는 휴리스틱이며 비교적 효율적이지만 전역 수렴을 보장하지 않는다. 이를 개선하기 위해 포기(Forgy) 또는 무작위 분할법으로 생성되는 무작위 초기 군집 센트로이드를 사용해서 알고리즘을 여러 번 실행하는 경우가 많다.
k-평균은 평균이 군집 중앙을 향해 수렴하도록 분리 가능한 구체 군집을 전제하고 데이터 포인트의 순서에는 의미가 없다고 전제한다. 가장 가까운 군집 중앙으로의 배치가 올바른 배치가 되도록 각 군집의 크기는 비슷해야 한다.
k-평균 군집을 해결하기 위한 휴리스틱은 일반적으로 가우시안 혼합 모델의 기댓값 최대화(EM) 알고리즘과 비슷하다.
혼합 모델
혼합 모델은 관찰의 부분모집단이 확률 분포, 일반적으로 수치 관측의 경우 정규 분포, 비수치 데이터의 경우 카테고리 분포에 해당한다고 전제한다. 각 부분모집단은 그 자체의 분포 매개변수, 예를 들어 정규 분포의 평균 및 분산을 가질 수 있다.
기댓값 최대화(EM)는 성분 수가 지정된 혼합의 매개변수를 확인하기 위해 가장 많이 사용되는 기법 중 하나다. EM 외에 마르코프 연쇄 몬테카를로, 모멘트 일치, 특이값 분해를 사용하는 스펙트럼법, 도식 해법으로도 혼합 모델을 풀 수 있다.
최초의 혼합 모델 응용은 머리와 몸 길이의 비율로 두 가지 종류의 바닷게를 분리하는 작업이었다. 칼 피어슨은 1984년 모멘트 일치를 사용해서 이 문제를 풀었다.
혼합 모델의 일반적인 확장은 혼합 성분 정체성을 정의하는 잠재변수가 독립 균등 분산 무작위 변수라고 전제하지 않고 대신 이 변수를 마르코프 연쇄에 연결하는 것이다. 이렇게 해서 나온 결과 모델이 은닉 마르코프 모델로, 가장 일반적인 순차 계층 모델 중 하나다.
DBSCAN 알고리즘
DBSCAN(Density-Based Spatial Clustering of Applications with Noise)은 1996년에 개발된 비모수 데이터 군집화 알고리즘이다. R* 트리 또는 기타 기하학적 인덱스 구조를 사용해서 기하학적 영역 쿼리를 가속화할 수 있는 데이터베이스에서 사용하는 데 최적화됐다.
기본적으로 DBSCAN은 일부 거리 엡실론 내의 최소 이웃 수보다 많은 코어 포인트를 군집화하고, 엡실론 내에 이웃이 없는 이상점으로 폐기하고, 코어 포인트의 엡실론 내에 있는 포인트를 해당 군집에 추가한다. DBSCAN은 가장 일반적인 군집화 알고리즘 중 하나이며 임의 형상 군집을 찾을 수 있다.
OPTICS 알고리즘
OPTICS(Ordering Points To Identify the Clustering Structure)는 공간 데이터에서 밀도 기반 군집을 찾기 위한 알고리즘이다. OPTICS는 DBSCAN과 비슷하지만 변동성 포인트 밀도 사례를 다룬다는 차이가 있다.
DBSCAN과 OPTICS 아이디어의 변형은 간단한 이상점과 노이즈 탐지 및 제거에도 사용할 수 있다.
함께 보면 좋은 콘텐츠
Sponsored
Surfshark
“유료 VPN, 분명한 가치 있다” VPN 선택 가이드
ⓒ Surfshark VPN(가상 사설 네트워크, Virtual Private Network)은 인터넷 사용자에게 개인 정보 보호와 보안을 제공하는 중요한 도구로 널리 인정받고 있다. VPN은 공공 와이파이 환경에서도 데이터를 안전하게 전송할 수 있고, 개인 정보를 보호하는 데 도움을 준다. VPN 서비스의 수요가 증가하는 것도 같은 이유에서다. 동시에 유료와 무료 중 어떤 VPN을 선택해야 할지 많은 관심을 가지고 살펴보는 사용자가 많다. 가장 먼저 사용자의 관심을 끄는 것은 별도의 예산 부담이 없는 무료 VPN이지만, 그만큼의 한계도 있다. 무료 VPN, 정말 괜찮을까? 무료 VPN 서비스는 편리하고 경제적 부담도 없지만 고려할 점이 아예 없는 것은 아니다. 보안 우려 대부분의 무료 VPN 서비스는 유료 서비스에 비해 보안 수준이 낮을 수 있다. 일부 무료 VPN은 사용자 데이터를 수집해 광고주나 서드파티 업체에 판매하는 경우도 있다. 이러한 상황에서 개인 정보가 유출될 우려가 있다. 속도와 대역폭 제한 무료 VPN 서비스는 종종 속도와 대역폭에 제한을 생긴다. 따라서 사용자는 느린 인터넷 속도를 경험할 수 있으며, 높은 대역폭이 필요한 작업을 수행하는 데 제약을 받을 수 있다. 서비스 제한 무료 VPN 서비스는 종종 서버 위치가 적거나 특정 서비스 또는 웹사이트에 액세스하지 못하는 경우가 생긴다. 또한 사용자 수가 늘어나 서버 부하가 증가하면 서비스의 안정성이 저하될 수 있다. 광고 및 추적 위험 일부 무료 VPN은 광고를 삽입하거나 사용자의 온라인 활동을 추적하여 광고주에게 판매할 수 있다. 이 경우 사용자가 광고를 보아야 하거나 개인 정보를 노출해야 할 수도 있다. 제한된 기능 무료 VPN은 유료 버전에 비해 기능이 제한될 수 있다. 예를 들어, 특정 프로토콜이나 고급 보안 기능을 지원하지 않는 경우가 그렇다. 유료 VPN의 필요성 최근 유행하는 로맨스 스캠은 인터넷 사기의 일종으로, 온라인 데이트나 소셜 미디어를 통해 가짜 프로필을 만들어 상대를 속이는 행위다. 이러한 상황에서 VPN은 사용자가 안전한 연결을 유지하고 사기 행위를 방지하는 데 도움이 된다. VPN을 통해 사용자는 상대방의 신원을 확인하고 의심스러운 활동을 감지할 수 있다. 서프샤크 VPN은 구독 요금제 가입 후 7일간의 무료 체험을 제공하고 있다. ⓒ Surfshark 그 외에도 유료 VPN만의 강점을 적극 이용해야 하는 이유는 다음 3가지로 요약할 수 있다. 보안 강화 해외 여행객이 증가함에 따라 공공 와이파이를 사용하는 경우가 늘어나고 있다. 그러나 공공 와이파이는 보안이 취약해 개인 정보를 노출할 위험이 있다. 따라서 VPN을 사용하여 데이터를 암호화하고 개인 정보를 보호하는 것이 중요하다. 서프샤크 VPN은 사용자의 개인 정보를 안전하게 유지하고 해킹을 방지하는 데 유용하다. 개인정보 보호 인터넷 사용자의 검색 기록과 콘텐츠 소비 패턴은 플랫폼에 의해 추적될 수 있다. VPN을 사용하면 사용자의 IP 주소와 로그를 숨길 수 있으며, 개인 정보를 보호할 수 있다. 또한 VPN은 사용자의 위치를 숨기고 인터넷 활동을 익명으로 유지하는 데 도움이 된다. 지역 제한 해제 해외 여행 중에도 한국에서 송금이 필요한 경우가 생길 수 있다. 그러나 IP가 해외 주소이므로 은행 앱에 접근하는 것이 제한될 수 있다. VPN을 사용하면 지역 제한을 해제해 해외에서도 한국 인터넷 서비스를 이용할 수 있다. 따라서 해외에서도 안전하고 편리하게 인터넷을 이용할 수 있다. 빠르고 안전한 유료 VPN, 서프샤크 VPN ⓒ Surfshark 뛰어난 보안 서프샤크 VPN은 강력한 암호화 기술을 사용하여 사용자의 인터넷 연결을 안전하게 보호한다. 이는 사용자의 개인 정보와 데이터를 보호하고 외부 공격으로부터 사용자를 보호하는 데 도움이 된다. 다양한 서버 위치 서프샤크 VPN은 전 세계 곳곳에 여러 서버가 위치하고 있어, 사용자가 지역 제한된 콘텐츠에 액세스할 수 있다. 해외에서도 로컬 콘텐츠에 손쉽게 접근할 수 있음은 물론이다. 속도와 대역폭 서프샤크 VPN은 빠른 속도와 무제한 대역폭을 제공하여 사용자가 원활한 인터넷 경험을 누릴 수 있도록 지원한다. 온라인 게임, 스트리밍, 다운로드 등 대역폭이 필요한 활동에 이상적이다. 다양한 플랫폼 지원 서프샤크 VPN은 다양한 플랫폼 및 디바이스에서 사용할 수 있다. 윈도우, 맥OS, iOS, 안드로이드 등 다양한 운영체제 및 디바이스에서 호환되어 사용자가 어디서나 안전한 인터넷을 즐길 수 있다. 디바이스 무제한 연결 서프샤크 VPN은 무제한 연결을 제공하여 사용자가 필요할 때 언제든지 디바이스의 갯수에 상관없이 VPN을 사용할 수 있다.